OpenAI首个去英伟达模型退役，200亿押注新芯片

GPT-5.3-Codex-Spark的生命周期不足八个月。

这个今年2月以研究预览形式推出的实验性编程模型，将在下周正式下线。它的退役并非因为技术失败，而是因为它已经完成了阶段性使命——作为OpenAI探索英伟达GPU之外算力路线的首个试验品，它证明了Cerebras晶圆级芯片在推理场景中的可行性。

与此同时，替代它的GPT-5.6 Sol Ultrafast模式已经在8月上线。这个由Cerebras提供底层能力的完整版GPT-5.6 Sol，输出速度最高达到750 token/s，不再需要在模型容量和响应速度之间做取舍。

这意味着，第一个专门验证"去英伟达化"可行性的探针已经完成使命。而这场价值超过200亿美元的算力多元化布局，正在重新定义大模型竞争的核心战场。

为什么选择Cerebras

GPT-5.3-Codex-Spark最特殊之处不在速度，而在硬件。

传统GPU系统中，模型权重需要在计算芯片与外部显存之间反复搬运，这个过程中的延迟成为低延迟推理的主要瓶颈。Cerebras的方案则完全不同——它将大量计算单元和片上SRAM集成在整张晶圆上，从根本上减少了数据搬运带来的损耗。

这种架构特别适合低延迟推理场景。对于Codex这类需要实时响应的代码编辑工具来说，几毫秒的延迟差异直接影响用户体验。开发者在使用反馈中普遍反映，Spark在执行重构、调试等高频操作时响应速度显著提升，但也指出其生成的代码质量和逻辑推理能力相比完整版模型仍有差距。

Cerebras是总部位于硅谷的创业公司，由前IBM首席科学家Chris Beatty于2016年创立。与传统半导体厂商按批次制造芯片不同，Cerebras选择用一整张硅晶圆来做处理器，这既带来了独特的优势，也面临量产良率和生态兼容性的挑战。目前全球能真正掌握晶圆级处理器技术的公司屈指可数。

选择Cerebras不是偶然的。2026年1月，OpenAI宣布扩大算力供应商范围，与Cerebras达成多年合作，计划部署最多750MW的推理算力。这笔交易在2028年前分阶段上线，金额超过200亿美元，被视为OpenAI降低对单一GPU供应体系依赖的关键举措。

背后是持续的成本压力。训练大模型的成本呈指数级增长，而推理作为模型投入生产后的持续消耗环节，其成本占比正迅速攀升。据行业估算，当模型使用量进入规模化阶段后，推理成本可能占到总运营支出的60%至70%，远超训练环节的预算占比。如果OpenAI每天处理的推理请求达到数十亿次，那么每次推理节省几美分的成本，一年下来就是数千万美元的利润空间。这对任何一家上市公司来说都是无法忽视的数字。

多元化采购同样涉及供应链安全问题。英伟达作为唯一能够提供大规模AI训练集群的企业级供应商，其产能交付周期在过去几年经常出现长达数月甚至半年的排队现象。OpenAI将部分负载转移到其他平台，本质上是在为自己的基础设施构建弹性冗余，避免因单一供应商产能波动导致业务停滞。

试验品的命运

Codex负责人Tibo索蒂奥宣布Spark退役的消息，实际上揭示了一个更深层的趋势——大模型的淘汰周期正在急剧缩短。

过去，大模型迭代往往以半年甚至数年的版本周期为主。如今，OpenAI正在把模型产品变成互联网软件的持续实验模式：针对特定场景先推出一个模型，验证速度、成本和用户需求，再把成功的技术路线迁移到下一代主力模型，最后迅速淘汰旧版本。

Spark的情况就是这个模式的典型体现。它定位为轻量化实时编程分支，仅向ChatGPT Pro用户开放，服务于VS Code插件等开发者工具场景。但市场反馈并不一致。部分开发者认为它在重构等机械性任务上"速度非常快"，也有反馈称它是"极度糟糕、根本没法用的模型"。

这种两极分化的评价源于它的妥协——为了速度，模型容量必须被压缩。到了GPT-5.6 Sol Ultrafast时代，同一个硬件平台可以同时提供完整的模型能力和足够快的响应速度，Spark的独立存在价值自然归零。

退役一个实验模型本身不值得关注，但它释放的信号值得留意：算力多元化已经从实验室走向生产线，且步伐比预期更快。这意味着大厂正在认真对待供应链风险，而不是仅仅停留在概念层面。更重要的是，这条路线一旦跑通，未来可能出现更多针对推理场景优化的专用芯片，而不只是等待通用GPU的性能提升。

对英伟达的影响几何

需要明确的是，Spark的退役不等于英伟达失去阵地。

目前来看，Cerebras承载的工作仍集中在特定场景——编程辅助和低延迟推理。OpenAI的主力模型训练以及大部分推理负载依然依赖英伟达GPU集群。Cerebras WSE-3的价值不在于全面替代，而在于填补英伟达体系效率较低的缝隙。

200亿美元的订单规模确实不小，但这是一个分期多年的合同，实际交付进度将取决于技术表现和OpenAI的整体战略调整。更重要的是，750MW的电力需求反映的是基础设施投入而非直接的收入确认。数据中心建设和运营涉及复杂的供应链管理、电力接入审批和土地规划，从签约到实际运转可能需要数年时间的层层递进。

英伟达的优势在于其完整的产品线、成熟的开发者生态和庞大的规模效应。即便OpenAI开始多元化采购，短期内也只会形成"补充"而非"替代"的关系。真正值得观察的是，未来12到18个月内其他大模型公司是否会跟进类似的多元策略，这将决定Cerebras能否从一个小众玩家成长为有实质市场份额的供应商。

一旦多个头部AI厂商同时加大非英伟达算力的采购比例，市场对英伟达的估值逻辑可能面临重构——投资者需要重新评估GPU业务的增长天花板在哪里。毕竟，英伟达目前的市值已经充分计入了未来多年的增长预期，任何增速放缓的迹象都可能引发剧烈反应。

接下来的三个观察指标

1. Spark退役后是否会有第二个Cerebras承载的实验模型出现——如果是，说明这只是试水；如果否，OpenAI可能在重新评估这条路线。

2. Cerebras的实际出货量与WSE-3产能爬坡进度——订单金额是意向，实际交付才是检验供应商实力的标尺。

3. 英伟达在推理市场的定价策略调整——如果英伟达开始主动下调推理专用GPU的价格或提供更灵活的付款方案，侧面说明它对流失感到担忧；反之则说明其对现有地位自信。